已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

LF-YOLO: A Lighter and Faster YOLO for Weld Defect Detection of X-Ray Image

特征(语言学) 编码(集合论) 计算机科学 卷积(计算机科学) 人工智能 特征提取 模式识别(心理学) 图像(数学) 焊接 卷积神经网络 人工神经网络 计算机视觉 工程类 机械工程 哲学 集合(抽象数据类型) 程序设计语言 语言学
作者
Moyun Liu,Youping Chen,Jingming Xie,Lei He,Yang Zhang
出处
期刊:IEEE Sensors Journal [Institute of Electrical and Electronics Engineers]
卷期号:23 (7): 7430-7439 被引量:38
标识
DOI:10.1109/jsen.2023.3247006
摘要

X-ray image plays an important role in manufacturing industry for quality assurance, because it can reflect the internal condition of weld region. However, the shape and scale of different defect types vary greatly, which makes it challenging for model to detect weld defects. In this article, we propose a weld defect detection method based on convolution neural network (CNN), namely, lighter and faster YOLO (LF-YOLO). In particular, a reinforced multiscale feature (RMF) module is designed to implement both parameter-based and parameter-free multiscale information extracting operations. RMF enables the extracted feature map to represent more plentiful information, which is achieved by a superior hierarchical fusion structure. To improve the performance of detection network, we propose an efficient feature extraction (EFE) module. EFE processes input data with extremely low consumption and improves the practicability of whole network in actual industry. Experimental results show that our weld defect detection network achieves satisfactory balance between performance and consumption and reaches 92.9 mean average precision (mAP50) with 61.5 frames/s. To further prove the ability of our method, we test it on the public dataset MS COCO, and the results show that our LF-YOLO has an outstanding versatility detection performance. The code is available at https://github.com/lmomoy/LF-YOLO .
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
辛勤电灯胆完成签到,获得积分10
2秒前
suxin完成签到 ,获得积分10
4秒前
罗零完成签到 ,获得积分10
4秒前
Ava应助科研通管家采纳,获得10
4秒前
深情安青应助科研通管家采纳,获得10
4秒前
Orange应助科研通管家采纳,获得10
4秒前
科研通AI2S应助科研通管家采纳,获得10
5秒前
coco完成签到,获得积分10
5秒前
小奋青完成签到 ,获得积分10
6秒前
6秒前
8秒前
聪明的泡面完成签到 ,获得积分10
8秒前
今后应助忧虑的羊采纳,获得10
10秒前
10秒前
peanut完成签到 ,获得积分10
10秒前
趴下快跑完成签到 ,获得积分10
11秒前
方的圆发布了新的文献求助10
14秒前
cc完成签到 ,获得积分10
15秒前
龙卡烧烤店完成签到,获得积分0
16秒前
泽泽发布了新的文献求助10
16秒前
zz完成签到,获得积分10
16秒前
Hello应助幽幽采纳,获得10
18秒前
可爱的函函应助方的圆采纳,获得10
20秒前
21秒前
冕镜发布了新的文献求助10
22秒前
鱼鱼完成签到 ,获得积分10
23秒前
23秒前
卿玖完成签到 ,获得积分10
23秒前
25秒前
JacekYu完成签到 ,获得积分10
27秒前
忧虑的羊发布了新的文献求助10
28秒前
阿曾完成签到 ,获得积分10
28秒前
32秒前
34秒前
威武忆山完成签到 ,获得积分10
35秒前
雪白的面包完成签到 ,获得积分10
37秒前
小蘑菇应助愤怒的山兰采纳,获得10
37秒前
Ava应助行者采纳,获得10
38秒前
幽幽发布了新的文献求助10
38秒前
糖加三勺完成签到 ,获得积分10
38秒前
高分求助中
Spray / Wall-interaction Modelling by Dimensionless Data Analysis 2000
Mathematics and Finite Element Discretizations of Incompressible Navier—Stokes Flows 500
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
2-Acetyl-1-pyrroline: an important aroma component of cooked rice 500
A real-time energy management strategy based on fuzzy control and ECMS for PHEVs 400
Handbook on People's China (1957) 400
2024 Medicinal Chemistry Reviews 400
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3189789
求助须知:如何正确求助?哪些是违规求助? 2839088
关于积分的说明 8022866
捐赠科研通 2501953
什么是DOI,文献DOI怎么找? 1336109
科研通“疑难数据库(出版商)”最低求助积分说明 637804
邀请新用户注册赠送积分活动 605852